CritPt

一项基准，用于测试 LLM 在研究级物理推理任务上的表现，包含 71 个复合研究挑战。

模型: 265 当前，600 总共
中位数: 0.3%
范围: 0.0%–35.7%

分数分布

最低: 0.0%
中位数: 0.3%
最高: 35.7%

排行榜

包括已弃用的模型

数据来源：Artificial Analysis